离子色谱法同时测定大气PM2.5中水溶性有机酸和无机阴离子的研究

建立超声提取-离子色谱法55 min内同时测定大气PM_(2.5)中13种水溶性低分子有机酸和无机阴离子的方法,经不同样品膜空白值考察、预处理条件优化、样品保存实验研究等获得了最佳的实验条件。研究发现,无机阴离子线性回归系数均为0.999以上,有机酸均为0.993以上;样品膜中各离子的相对标准偏差为3.2%~9.8%,样品提取液中各离子的加标回收率为90.6%~108%;当采样体积为24 m~3时,各目标化合物的方法检出限为0.003~0.032μg/m~3。分别于2015年1、6月采集了PM_(2.5)实际样品,1月各离子浓度之和为31.9μg/m~3,范围为0.04~15.0μg/m~3;6月各离子浓度之和为22.3μg/m3,范围为0.01~12.7μg/m~3。两个采样期间,氯离子、硝酸根、硫酸根在13种化合物中占绝对优势,均占总量的95%以上;乙酸、甲酸、甲烷磺酸和乙二酸为其他低含量离子中的主要组分。     

北京森林BVOCs排放特征及对区域空气质量的影响

利用林业二类调查蓄积资料,广泛调研植物源挥发性有机物（BVOCs）排放因子的最新研究成果,运用光温影响模型对北京森林BVOCs排放特征进行研究,并分析其对区域空气质量的影响.结果显示,2015年北京森林BVOCs排放量平均值为27.97×10⁹g C/a,变化域值范围为（9.46~76.45）×10⁹g C/a,其中异戊二烯、单萜烯和其他VOCs贡献率分别为75.09%、15.62%和9.29%.不同树种间BVOCs排放量差异较大,杨树和栎树是主要的异戊二烯排放源,贡献率分别为63.16%和25.92%;油松是主要的单萜烯排放源,贡献率为40.90%.不同龄级林对BVOCs排放的贡献不同,中龄林贡献率最大,占总量的39.14%.BVOCs排放呈夏季高、冬季低的特征,春、夏、秋、冬排放量分别占全年的12.55%、77.48%、9.76%和0.21%.BVOCs对O₃生成潜势的贡献量为240.51×10⁹g,其中异戊二烯占92.66%,是主要的贡献者;对二次有机气溶胶（SOA）生成潜势的贡献量为1.73×10⁹g,异戊二烯和单萜烯分别占24.26%和75.73%.研究表明,北京森林BVOCs排放会导致大气年均SOA浓度增加0.94μg/m³,O₃浓度上升9.01μg/m³,特别是对夏季O₃污染具有较大贡献.建议城市绿化时应从有助于空气质量改善的角度考虑树种的VOCs排放能力.     

北京市传统春节假期空气质量特征研究

利用2013~2020年北京市传统春节假期期间主要污染物浓度、PM_2.5主要离子组分浓度及气象数据,研究近年烟花爆竹集中燃放对北京市空气质量的影响.结果表明,自2018年北京市加强对烟花爆竹燃放的管控后,空气质量显著改善,其中2019年传统春节假期中共7个优良天,占比达87.5%,且未出现中度及以上级别污染天;近3年除夕期间的PM_2.5峰值浓度显著降低,与近8年最高值相比(2016年699μg/m³),降幅分别为61.1%、74.7%和71.4%.此外,一方面,近年除夕期间SO₂、PM₁₀和PM_2.5浓度突增倍数显著降低,由2013年的1.31、1.37和0.92降低至2020年的0.08、0.14和0.02.另一方面,与烟花爆竹相关的一次离子组分浓度增长倍数及对PM_2.5及其组分的贡献率逐年降低,说明近年烟花爆竹的集中燃放对空气质量的影响缩减明显.2020年传统春节假期期间,不利的气象条件使烟花爆竹燃放污染无法完全消散,同时加剧本地污染物积累和区域污染物输送,导致出现连续3d的重污染过程.因此,严苛的禁限放措施、有利的气象条件、低水平的周边区域污染物浓度对北京市传统春节假期的空气质量至关重要.     

北京市黑碳气溶胶浓度特征及其主要影响因素

为探究北京市黑碳(black carbon,BC)气溶胶时空分布特征及其主要影响因素,对4个站点2019年的ρ(BC)、ρ(PM2.5)、ρ(CO)和φ(NOx)及同期气象因子进行比对分析.结果表明,背景区(BA)、城区(UA)、城区路边(UR)和外环路边(HR)的平均 ρ(BC)分别为(1.58±1.15)、(2.27±1.67)、(3.35±2.13)和(3.57±2.40)μg·m-3,o(BC/PM2.5)分别为(5.3±1.6)％、(6.0±2.3)％、(9.0±3.6)％和(8.1±3.5)％;除 UR 站点 ρ(CO)高于 HR 站点以外,4个站点的ρ(BC)、ρ(PM2.5)、ρ(CO)和ψ(NOx)由低到高排序均为:背景区＜城区＜城区路边＜外环路边,且采暖季是非采暖季的1.1～1.7倍;用最大频率法估算各站本底ρ(BC),UR站点最高,BA站点最低,分别为0.56 μg·m-3和0.19 μg·m-3;交通排放导致路边站点本底ρ(BC)、平均ρ(BC)和ω(BC/PM2.5)均高于其他站点.ρ(BC)日变化曲线呈双峰型结构,非采暖季早高峰时段(07:00～08:00)峰值较高,采暖季全天浓度高于非采暖季且凌晨时段(00:00～02:00)峰值较高,谷值均在午后(14:00～16:00)出现.4个站点的平均吸收埃斯特朗指数(AAE)为1.38、1.34、1.26和1.26,表明全市BC主要来自化石燃料燃烧;采暖季平均AAE为1.46,高于非采暖季的1.23,主要是由于采暖季生物质燃烧排放占比增加;非采暖季各站点AAE日变化曲线主要受机动车活动时间影响,一致呈凌晨低、午后高的分布特点,采暖季曲线各异.BC与PM2 5、CO、NOx、风速和相对湿度的Pearson相关系数(r)为0.86、0.81、0.69、-0.37和0.34;由于燃煤源作为4种污染物的共同来源贡献增加,采暖季较非采暖季| r |更高.4个站点的△BC/△CO值分别为3.1×10-3、3.5×10-3、3.9×10-3和4.1×10-3.一次污染过程中,城区站点BC以区域传输为主要来源,路边站点局地排放BC积累过程较明显,易发生颗粒物二次生成过程.     

北京市中心城区屋面径流污染特征及来源分析

以北京市中心城区屋面径流为研究对象,对2019年6～9月期间7场降雨事件中屋面径流及附近降雨水质情况开展监测,分析了屋面径流及降雨水质特征、径流初始冲刷效应、径流污染物浓度影响因素及其来源特征.结果表明,北京市中心城区屋面径流中总氮、氨氮、化学需氧量和悬浮物污染较为严重,降雨事件径流平均浓度(EMC)均超过《地表水环境质量标准》(GB 3838-2002)Ⅴ类标准限值[悬浮物超过《城镇污水处理厂污染物排放标准》(GB 18918-2002)二级排放标准];降雨水质相对较好,但氨氮和总氮也存在超标情况.屋面径流中各污染物初始冲刷强度以中等和微弱为主,由大到小排序依次为：氨氮>悬浮物>化学需氧量>总氮>汞>锌>总磷>铅.屋面径流中悬浮物、化学需氧量、总磷浓度水平与干燥期长度呈显著正相关,与降雨强度呈显著负相关.结合主成分分析结果可知,降雨中的主要污染物为交通运输来源的氮类污染物,屋面径流中的主要污染物则为屋面材料老化和金属雨落管锈蚀释放的悬浮物、有机物和磷类污染物.     

温湿度对PM2.5质量浓度监测的影响

探讨了在不同环境条件和污染状况下,带膜动态测量的微振荡天平法的自动监测方法能否准确监测空气中的PM_(2.5)质量浓度。通过自动方法与手工重量法的比对,针对2015年8月—2016年7月的监测结果进行讨论,尤其是不同温度和相对湿度对监测数据的影响,在平均相对湿度为60%~90%时夏季2种方法绝对偏差均值大于10μg/m3,并对该结果进行了原因分析,提出了自动监测的质量控制和比对溯源的建议,为PM_(2.5)的质量浓度监测工作提供了参考依据。     

2014年APEC前后北京城区PM2.5中水溶性离子特征分析

2014年10月至11月间,在北京城区开展PM_(2.5)监测并对其中的水溶性离子进行离线及在线分析.其中NO_3~-、SO_4~(2-)和NH_4~+在不同观测阶段均是PM_(2.5)中的主要离子,APEC期间三者总浓度为(26.8±22.5)μg·m~(-3),占PM2.5质量浓度的(41.7±8.5)%,占所测水溶性离子组分的(84.7±5.0)%;APEC期间NO-3浓度水平较高,对PM_(2.5)贡献最大.对APEC期间水溶性离子的累积趋势研究发现,NO_3~-、SO_4~(2-)、NH_4~+和Cl~-均经历了3个不同的累积过程,除气象条件外,本地源排放及区域污染引起的累积效应仍不可忽视.对颗粒物酸性特征研究发现,不同观测期间,颗粒物中主要水溶性离子浓度虽有不同,但北京秋末冬初颗粒物无明显酸化特征.     

2015年北京市两次红色预警期间PM2.5浓度特征

利用北京市及周边地区大气污染物监测数据,综合分析了2015年北京市两次空气重污染红色预警期间PM_2.5浓度变化特征并初步评估了减排措施对PM_2.5浓度的影响.结果表明:第1次红色预警期间,北京市PM_2.5平均最高小时浓度出现在12月9日19:00,为282μg·m^-3,单站最高小时值出现在京东南市界永乐店站,浓度达496μg·m^-3.第2次红色预警期间,PM_2.5全市平均最高小时浓度出现在12月22日20:00,为421μg·m^-3;单站最高小时值出现在京西南市界琉璃河站,浓度达831μg·m^-3.两次红色预警累积持续时间均呈现出南部站 > 城区站 > 北部站的特征,且第2次红色预警期间PM_2.5浓度南北差异明显大于第1次,PM_2.5平均浓度在150μg·m^-3以上的面积明显大于第1次,第2次红色预警期间重污染面积可达总面积的93%.两次预警期间气象条件均不利于污染物的扩散,均存在不同程度的二次转化和区域输送现象,极端气象条件是重污染形成的外因,区域污染物排放量大才是导致重污染形成的内因.初步评估结果显示红色预警应急措施实施后,北京市PM_2.5环境浓度下降约20%~25%,减排效果显著.     

细颗粒物(PM2.5)可溶性提取液对发光细菌的光抑制与组分浓度的相关性分析

为科学评估PM_(2.5)对生物体的综合生物效应,利用费氏弧菌检测了PM_(2.5)水溶性提取液的光抑制效应,统计分析了227组PM_(2.5)主要组分与发光抑制率的相关关系.实验结果表明:PM_(2.5)水溶性提取液的发光抑制率值与OC、NO-3、EC和微量元素等组分浓度显著相关,相关系数从高到低的排序为:OC微量元素ECNO-3(p0.01).PM_(2.5)中,主要来自燃煤、交通燃油、生物质燃烧及冶金工业污染源排放的组分(苯并(a)芘、Cl-、OC、Cu、K+、Mn、Zn、EC、Pb、Se、F-等)浓度与发光抑制率显著相关.此外,二次来源的NO-3、NH+4等组分浓度与发光抑制率在冬季和春季显著相关.     

2013—2019年京津冀及周边地区PM2.5重污染特征

为探讨2013—2019年京津冀及周边地区"2+26"城市PM_(2.5)重污染时空演变特征,对"2+26"城市7年间的大气环境监测网数据进行了统计分析。在年际变化上,重污染过程次数逐年下降,发生时长和强度分3个阶段大幅降低。相比2013年,2014—2016年重污染小时数、天数和峰值浓度均降低了一半左右,2017—2019年则下降了约80%。目前,区域重污染过程以持续1～2 d的较短过程为主。在季节分布上,全年重污染集中于秋冬季,其中冬季占比从60%升至80%,尤其是1月的重污染占比最高且有逐年增加趋势。在空间分布上,区域差异明显缩小,呈相对均匀化趋势,区域污染中心有所南移,南部的冀南豫北区域在区域重污染中的占比呈上升趋势。在污染成因基本类型上,污染排放导致的积累型为主要类型,占比约90%;沙尘型及烟花爆竹燃放型的总占比约为10%,虽然其占比较低,但近年的比重较稳定,未有明显下降趋势。